摘要: 针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法(IDNPSO).为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型(IDNPSO-BP神经网络).利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.
中图分类号:
刘家和,金秀,陈露艳,苑莹. 基于IDNPSO-BP神经网络的股票市场指数预测[J]. 东北大学学报(自然科学版), 2013, 34(6): 901-904.
LIU Jiahe, JIN Xiu, CHEN Luyan, YUAN Ying. Stock Market Index Forecasting Based on IDNPSOBP Neural Network[J]. Journal of Northeastern University, 2013, 34(6): 901-904.